Unsloth v0.1.911-betaリリース:MiniMax-M3.1-Flash対応とMacの高速化

Unsloth v0.1.911-betaリリース:MiniMax-M3.1-Flash対応とMacの高速化

基本情報

項目 内容
リポジトリ unslothai/unsloth
版 v0.1.911-beta
公開日 2026-10-26
ライセンス Apache-2.0
出典の種類 公開元の一次情報(公式GitHubリポジトリのリリースページが一次情報)

情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。

概要

Unsloth v0.1.911-betaがリリースされました。unslothai/unslothは、LLM(大規模言語モデル)や拡散モデルを手元で動かしたり学習させたりするためのローカルUIツールです。Pythonで開発されており、Apache-2.0ライセンスの下でオープンソースとして提供されています。

今回のアップデートで最も大きな変更点は、プロンプトの「Scheduled tasks(定期実行タスク)」機能が追加されたことです。これにより、特定のモデルを使用したプロンプトの実行を毎日や毎週といったスケジュールで自動化できるようになりました。ローカルモデルを定期的な情報収集やバッチ処理に活用したいと考えている利用者にとって、非常に価値のある更新です。

破壊的変更・非推奨

今回の更新では、APIの利用およびネットワーク設定に関して、セキュリティ強化を目的とした仕様変更が含まれています。これまでの設定のままでは動作しなくなる可能性があるため、以下の対応を確認してください。

項目 旧仕様 新仕様
コード実行の承認 APIキー使用時にPython/ターミナル実行を自己承認可能 サンドボックス外での実行を自己承認不可
プロキシ経由のIP信頼 デフォルトで転送されたクライアントIPを信頼 デフォルトで信頼しない(設定が必要)

API経由でエージェントにコードを実行させていた場合、サンドボックス外の操作に制限がかかるようになります。また、独自のリバースプロキシの背後でUnslothを運用しており、レート制限などを適切に機能させたい場合は、環境変数 UNSLOTH_STUDIO_TRUST_FORWARDED=1 を明示的に設定する必要があります。この設定を行わない場合、すべてのユーザーが単一のログインレート制限を共有することになります。

主な変更点

定期実行タスク(Scheduled tasks)の導入

サイドバーの「More」メニューから、プロンプトの定期実行を設定できるようになりました。実行頻度は1回のみ、毎日、平日、毎週、毎月から選択でき、実行結果はそれぞれ新しいチャットとして自動的に保存されます。このタスクは、現在ロードされているモデルだけでなく、デバイス上の他のモデルや接続されたAPIプロバイダーのモデルを指定して実行することも可能です。モデルがロードされていない場合に自動で切り替える設定や、実行結果(成功時、失敗時、または常に)に応じた通知設定も備わっています。なお、このタスク実行中はツール利用やウェブ検索は機能しません。

MiniMax-M3.1-Flashへの対応

MiniMax社が提供する428B MoE(有効パラメータ23B)モデル「MiniMax-M3.1-Flash」の推論に対応しました。このモデルはコーディングやツール利用、エージェントとしてのワークフローに特化しており、最大100万トークンの非常に長いコンテキストをサポートしています。UnslothではGGUF形式での利用が可能ですが、1-bit量子化版であっても動作にはRAMとVRAMを合わせて少なくとも130 GBのメモリ容量が必要となります。

Mac(Apple Silicon)環境でのパフォーマンス向上

Apple Silicon搭載MacにおけるMLXエンジンの動作が大幅に改善されました。ドラフトモデルを使用したMLXチャットの応答速度が最大16%高速化しています。また、ドラフトモデルを内蔵したMLXモデルについては、別途ダウンロードすることなく自動的にドラフトモデルが適用されるようになりました。画像生成においても、Z-Image GGUFがデフォルトでMLXエンジンを使用するようになり、以前のバージョンと比較して1.5-2xの高速化を実現しています。さらに、画像や動画のレンダリング終了時のメモリ解放が最適化され、メモリ容量の少ないMacでスワップが発生しにくくなっています。

画像・動画生成機能の拡張と高速化

画像生成ページに「Detailer」機能が追加されました。これはSAM 3とインペイント(塗りつぶし)対応モデルを組み合わせることで、生成した画像の顔や手といった特定の部位を高解像度で描き直す機能です。また、FLUX.3 Kleinを用いた写真編集機能も追加され、元の写真の解像度を維持したままプロンプトによる編集が可能になりました。動画生成では、NVIDIAのCosmos3-Edgeに対応したほか、RTX 30シリーズより前の古いNVIDIA GPUにおいて、Wan2.1 1.3Bのテキストからの動画生成速度が約5x向上しています。

学習機能(LoRA/QLoRA)の強化

マルチGPU環境での学習効率を高める機能が追加されました。モデルの各レイヤーを複数のGPUに分割して配置する「Tensor Parallelism」的な手法が導入され、UNSLOTH_TP_SIZE にGPU数を設定して torchrun で起動することで、各GPUのメモリ負荷を抑えながらLoRAやQLoRAのトレーニングを行うことができます。また、GRPO(Group Relative Policy Optimization)の最適化も進んでおり、NVIDIA GPU環境ではLlamaやQwen3の学習ステップが最大4.4倍、vLLMを併用した場合は最大1.9倍高速化しています。

UIおよびUXの細かな改善

モデルごとに実行設定を「プリセット」として名前を付けて保存できるようになりました。次回そのモデルをロードする際(API経由を含む)に、最後に使用したプリセットが自動的に適用されます。また、GGUFモデルを使用したチャットでは、長いプロンプトの処理中に進捗状況と残り時間が表示されるようになり、応答開始までの待ち時間の不安が解消されています。設定画面のライブラリページでは、ストレージの使用状況がモデル、キャッシュ、空き容量に色分けされたバーで表示されるようになり、管理が容易になりました。

対応モデル・ハードウェア

今回のアップデートでは、最新のモデルアーキテクチャへの対応と、既存ハードウェアにおける実行効率の改善が数多く行われています。

新規対応モデルと量子化形式

もっとも注目すべきは、MiniMax社による428B MoE(アクティブなパラメータは23B)モデル「MiniMax-M3.1-Flash」への対応です。このモデルはコーディング、ツール利用、エージェントとしてのワークフローに最適化されており、最大1Mトークンの非常に長いコンテキストウィンドウをサポートしています。UnslothではこのモデルのGGUF形式での推論が可能になりました。ただし、1-bit量子化版であっても、実行にはRAMとVRAMを合わせて少なくとも130 GBのメモリ容量が必要となる点に注意してください。

画像および動画生成モデルでは、NVIDIAの「Cosmos3-Edge」によるテキストまたは画像からの動画生成に対応しました。また、動画生成モデル「Wan2.1 1.3B」については、RTX 30シリーズより前の古いNVIDIA GPUにおいてレンダリング速度が約5x向上しています。画像編集では「FLUX.3 Klein」に対応し、元の写真の解像度を維持したままプロンプトによる編集(Inpaint)が可能になりました。

Apple Silicon(Mac)への最適化

Mac環境の利用者にとって、今回の更新は大きな恩恵があります。Z-Image GGUFを用いたテキストからの画像生成において、デフォルトでMLXエンジンが使用されるようになり、従来比で1.5-2xの高速化が図られています。さらに、ドラフトモデルを使用したMLXチャットの応答速度が最大16%向上しました。ドラフトモデルを内蔵したMLXモデルは、追加のダウンロードなしで自動的にこの機能を利用できます。また、torch 2.13以降を使用している環境では、Apple MPS(Metal Performance Shaders)のSDPAプリフィルカーネルが呼び出しごとに使用されるようになり、処理の効率化が進んでいます。

マルチGPUおよびトレーニングの最適化

大規模な学習を行う技術者向けには、マルチGPU環境でのLoRA/QLoRAトレーニング機能が強化されました。環境変数 UNSLOTH_TP_SIZE にGPU数を設定し、torchrun で起動することで、モデルの各レイヤーをGPU間で分割して保持できるようになり、1枚あたりのVRAM負荷を軽減できます。また、Native FSDP2(Fully Sharded Data Parallel)において、重みとオプティマイザ状態のシャード化されたレジューム読み込みがサポートされました。これにより、大規模モデルの学習再開がより効率的になります。DPOおよびGRPOトレーニングにおいては、コンテキスト並列(Ulysses)が導入され、長いシーケンスの学習が可能になっています。

その他のハードウェア対応と修正

Windows環境において、GGUFモデルのロード時に「llama-server failed to start」というエラーで失敗していた問題が修正されました。また、GPUが搭載されていない環境や、GPUが検出されなかった場合に、インポートを拒否するのではなくCPUでトレーニングを開始するフォールバック機能が実装されています。NVIDIA GPU環境では、sm86、sm90、sm100、sm121といった特定のアーキテクチャ向けに、ファクタリングされたConvRotカーネルへのルーティングが最適化され、画像生成のレイテンシが改善されています。

アップデート方法

利用している形態に合わせて、以下の手順で更新を行ってください。

Unsloth Desktop (GUIアプリ)

各OS向けの最新のインストーラーを以下のリンクからダウンロードして実行してください。

Unsloth Studio (開発者/ナイトリー版)

リポジトリをクローンして使用している場合は、以下のコマンドで最新のソースコードを取得し、インストールスクリプトを実行してください。

macOS、Linux、WSLの場合:

cd unsloth && git pull
./install.sh --local
unsloth studio -p 8888

Windows (PowerShell)の場合:

cd unsloth; git pull
.\install.ps1 --local
unsloth studio -p 8888

関連記事

次に読むなら

出典